速報
AgentFairBench：評估大型語言模型代理行為公平性的多領域基準
大型語言模型代理在招聘、放款與醫療分診等領域的決策日益增多，公平性仍僅以答案正確度衡量。AgentFairBench 以合成中性個人檔案，僅改變姓名暗示的種族與性別，測試四種代理架構的行動差異，提供翻轉率與分數差等指標。結果顯示，嚴格噪音基準下，Claude Haiku 4.5 無顯著人口統計偏差。
速報
大型語言模型代理在招聘、放款與醫療分診等領域的決策日益增多，公平性仍僅以答案正確度衡量。AgentFairBench 以合成中性個人檔案，僅改變姓名暗示的種族與性別，測試四種代理架構的行動差異，提供翻轉率與分數差等指標。結果顯示，嚴格噪音基準下，Claude Haiku 4.5 無顯著人口統計偏差。
速報
ArXiv發表Neurips2025數據集與基準草案，聚焦聯邦學習中的公平性與客戶端差異。採用Income與Employment作為基底，規定客戶端資料生成策略、是否包含敏感屬性與跨裝置/跨筏的客戶分配。評估採多種公平性指標並輸出客戶端與全域模型統計結果，便於比較與複現。